Materi Webinar AI-ASN
Materi Webinar AI-ASN
Intelligence
in Daily Life
Nur Aini Rakhmawati, PhD
Associate Professor of Information Systems
Institut Teknologi Sepuluh Nopember Surabaya
Manakah yang menggunakan AI
https://app.wooclap.com/AIASN
Apakah Artificial
Intelligence ?
• Alias Kecerdasan buatan
AI adalah kemampuan
sistem untuk
menafsirkan data
eksternal dengan
benar, untuk belajar
dari data tersebut,
dan menggunakan
pembelajaran
tersebut guna
mencapai tujuan dan
tugas tertentu melalui
adaptasi yang
fleksibel
Apakah kita
menggunakan
robot?
We use AI every day,
no matter where we
work or what we do.
Search Engine (Mesin Pencari)
Social Media Advertising
Rekomendasi postingan
berdasarkan apa yang sering lihat
Rekomendasi grup
Social Media
Recommendation
Chatbot
1950 1997
Alan Turin membuat turing Deep Blue IBM main
test catur
John McCarthy
menggunakan terminologi Banyak perangkat berbasis
‘artificial intelligence’ AI
1 2 3 4
Acting Thinking Thinking Acting
Humanly Humanly Rationally Rationally
Dangerous
Risks of
Artificial
Intelligence
Social manipulation
https://adssettings.google.com/authenticated
Banyak browser menyertakan
kemampuan untuk mengirim permintaan
"jangan lacak" ke situs web yang meminta
Enable “do mereka untuk tidak mengumpulkan atau
not track” in melacak data penelusuran Anda.
your
Kadang sebagian besar situs web dan
browser server web tidak mengubah perilakunya
dan tampaknya mengabaikan permintaan
tersebut.
Hapus Cookies
https://safety.google/privacy/privacy-controls/
https://www.red-gate.com/simple-talk/development/data-
science-development/the-social-impact-of-artificial-intelligence-
and-data-privacy-issues/
AI Fairness
https://twitter.com/MarcFaddoul
https://haas.berkeley.edu/wp-content/uploads/What-is-fairness_-EGAL2.pdf
Word embedding dilatih di artikel Google Berita
menunjukkan dan pada kenyataannya melanggengkan
stereotip berbasis gender di masyarakat
data yang digunakan
untuk melatih
pengenalan wajah
Amazon sebagian besar
didasarkan pada wajah
putih, yang
menyebabkan masalah
dalam mendeteksi
wajah berkulit gelap
https://www.propublica.
org/article/machine-
bias-risk-assessments-
in-criminal-sentencing
• Pada tahun 2017, algoritma Facebook yang
dirancang untuk menghapus ujaran kebencian
online ditemukan untuk menguntungkan pria
kulit putih daripada anak-anak kulit hitam saat
menilai konten yang tidak pantas, menurut
dokumen internal Facebook.
• Algoritma yang merupakan kombinasi dari
program komputer dan peninjau konten
manusia, dibuat untuk melindungi kategori
yang luas daripada subkumpulan kategori
tertentu. Misalnya, postingan yang mencela
"Muslim" akan diblokir, sementara postingan
yang mencela "Muslim Radikal" akan diizinkan.
Artificial Intelligence, if
used wisely, holds great
potential for human
being
SLIDES BY
FASILKOM UI
Awards:
SWSA Distinguished Dissertation
Enno Heidebroek Award
EMCL Best Thesis
SLIDES BY
FASILKOM UI What is text analytics?
SLIDES BY
Text Analytics FASILKOM UI
TEXTUAL DATA
SLIDES BY
Text Analytics relies on NLP FASILKOM UI
SLIDES BY
Text Analytics Pipeline FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
FASILKOM UI Text analytics use cases
SLIDES BY
Word Cloud FASILKOM UI
Tips: On the word cloud result, you can click Regenerate to change
the word cloud style to suit your personality 😎
SLIDES BY
Entity Extraction FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
Entity Extraction: DIY FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
Entity Extraction: DIY FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
Entity Extraction: DIY FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
Entity Extraction: DIY FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
Sentiment Analysis: DIY FASILKOM UI
https://www.uclassify.com/browse/uclassify/sentiment?input=Text
SLIDES BY
Text Classification FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
Text Classification: DIY FASILKOM UI
SLIDES BY
FASILKOM UI https://www.uclassify.com/browse/uclassify/topics?input=Text
SLIDES BY
Text Clustering: Reveal Underlying Topics FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
Text Clustering: Reveal Underlying Topics FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
Text Clustering: Reveal Underlying Topics (DIY) FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
Chat Bot (Storyteller) FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
FASILKOM UI
ChatGPT
SLIDES BY
FASILKOM UI
See the continuation at:
https://chat.openai.com/share/0d66449e-125b-4e9e-87cc-f0a4f1908454
SLIDES BY
With the additional help of text-to-speech on Google Translate and Veed.io,
I can generate this YouTube video of Daswer Gaming Bedtime Story FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
FASILKOM UI
Fariz
A regular user of ChatGPT for generating
Sam Altman bedtime stories for his son :-)
CEO of OpenAI (Company behind ChatGPT)
SLIDES BY
FASILKOM Sam
UI Altman visited Indonesia on June 14, 2023
@ Hotel Indonesia Kempinski Jakarta
SLIDES BY
Chat Bot (Social Media Specialist) FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
Chat Bot (Social Media Specialist) FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
FASILKOM UI
SLIDES BY
Conclusions FASILKOM UI
We live in the exciting era of AI, natural language processing (NLP), and
text analytics.
SURE, WE CAN!
SLIDES BY
FASILKOM UI
SLIDES BY
FASILKOM UI
Persiapan ASN menghadapi serbuan AI
• S2, Bidang Computer Studies, Edith Cowan University, Australia • Tim Evaluator Eksternal dan Instruktur Asistensi/Piloting Sistem Pemerintahan Berbasis Elektronik (SPBE),
KemenpanRB
• S1, Bidang Fisika, Universitas Indonesia, Jakarta
• Tim Integrasi BKN – SIASN, Tim pengembang PISPK, mHealth – Kemenkes, CAT Polri - PMJ
• S1, Bidang Teknik Informatika, Universitas Gunadarma, Jakarta
• Tim Pakar Pengembangan Dukcapil - Kemendagri, Tim Akademis Perbaikan Jaminan Kesehatan Nasional (JKN)
Pengalaman Profesi • Tim Ahli pada Badan Standard Nasional Pendidikan (BSNP)
• Tim Perumus Standard Kompetensi Kerja Nasional Indonesia (SKKNI) dan Peta Okupasi bidang TIK dan Kamsiber
●
Dosen / Akademisi Universitas Gunadarma • Anggota tim Strategi Nasional AI dan POKJA Talenta AI
●
Peneliti Universitaet Bielefed – Jerman • Tim Seleksi Beasiswa Unggulan dan DAAD
●
CTO dan advisor beberapa startup • Pengajar dan pengembang materi Digital Talent Scholarship dan Microcredential Certification – Kemdikbudristek
• Reviewer Hibah Prioritas Penelitian Nasional - BRIN
●
Skill yang perlu dimiliki untuk
memanfaatkan Generative AI
●
Bergantung pada layanan AI yang
ada
●
Tidak perlu dihafal, perlu mengetahui
sumber informasi (cheat sheet)
●
Menghasilkan pekerjaan baru →
Prompt Engineer
●
Berdasarkan teks ataupun image sebagai training test,
komputer dapat menghasilkan teks atau image
●
Mindjourney, ChatGPT, BARD dsb adalah aplikasi-aplikasi
dengan prinsip tersebut
●
Digunakan dalam perencanaan makanan yang
dipersonalisasi, menghasilkan menu dengan preferensi
dan batasan dan menghasilkan gambar menu
●
Sebagian besar tools AI yang populer bersifat generative AI (menghasilkan
data baru dari data training) yang berdasarkan Large Language Model
●
Investor banyak melakukan pendanaan untuk produk dengan embel-
embel AI
●
Perusahaan tersebut membutuhkan perangkat komputasi super komputer
●
Tidak semua proses otomasi menggunakan AI, misal lift, elevator,
pembawa barang otomatis (line follower)
●
Perangkat otomasi mendapat masukan, memproses dan Assistance
memberikan keluaran. Dengan AI maka pemrosesan dengan melalui atau
Synthetic
mekanisme pembelajaran atau
Augmenting
Substitution
TURING TEST
CHINESE ROOM
PARADOX
●
Pendekatan numeris
– Fakta direpresentasikan menjadi angka
– Angka-angka tersebut diproses dengan
komputasi
Neural network
– Hasil akhir di-representasikan kembali
kedalam obyek
– Artificial Neural Networks, Genetic
Algorithm (evolutionary computation),
Fuzzy Logic
●
Pendekatan kognitif (human
reasoning)
Fuzzy
– SOAR, CLARION, ACT-R
●
Perkiraan secara proaktif ●
Memprediksikan solusi ●
Penggunaan sumber daya
mengidentifikasi kebijakan secara lebih baik secara lebih efisien
pengembangan dan ●
Berinteraksi dengan pengguna ●
Meningkatkan sumber daya
kebutuhan masa dpan sebagai mitra penaikan nilai
●
Kualitas yang lebih tinggi
●
Perkiraaan untuk ●
Memberikan respon yang
menyiapkan alternatif lebih baik pada kebutuhan ●
Peningkatan secara kontinyu
luaran publik
●
Risk management yang sudah
ada saat ini tidak dapat
beradaptasi terhadap perubahan
Passenger Risk Management (PNR) adalah
Rasio penerimaan DJBC
●
dunia kepabeanan yang sangat ●
aplikasi pengawasan DJBC yang
dinamis mencapai 28,6% dalam digunakan untuk monitoring penumpang
●
Nilai Hit Rate yang tidak penerimaan perpajakan pesawat yang datang ke wilayah
Indonesia, didalamnya terdapat profiling
memuaskan (Tahun 2019) apakah penumpang tersebut masuk
●
Target penerimaan yang terus kategori high risk sehingga diperlukan
meningkat setiap tahunnya
●
Belum ada pemantauan body checking atau tidak.
●
Penetapan pemeriksaan fisik
forecast penerimaan ●
Analisa lebih lanjut dilakukan dengan
harus mengikuti analisis beban secara real-time (forecast berbagai metode yang dapat membantu
profiling penumpang dengan berdasarkan
kerja di masing-masing kantor baru dilakukan secara sumber data DJBC yang berasal dari
pelayanan manual dan periodik) aplikasi internal dan eksternal
Decision Maker Dashboard Interactive Analytical Dashboard Operational Dashboard Nagivational Dashboard
●
Monitoring Dashboards. Menunjukkan informasi yang
selalu ada pada pengguna dan dapat dilihat sekilas. Aksi
yang dibutuhkan dilakukan di aplikasi lain. Biasanya
dasboard ini ditampilkan pada command center
●
Interactive Analytic Dashboards. Memberikan perangkat
bantu visualisasi data untuk pengguna, sehingga ada filter
dan pemilihan chart/grafik yang ditampilkan
●
Navigational Dashboards. Model daftar isi dari grafik/chart
yang ditampilkan. Layar utama berbentuk global dan bisa ke
halama yang lebih ditail.
Descriptive: →What hat Diagnostic: → Why did it Predictive: → What will happen? Prescriptive: → How can we make
happened? happen? Memproyeksikan atau it happen
Menjelaskan keadaan bisnis Menjelaskan mengapa suatu memprediksi hasil masa depan Menggunakan hasil analitik prediktif
saat ini melalui data historis. masalah terjadi dengan berdasarkan data historis. dan pengetahuan lain, menyarankan
melihat data historis. upaya terbaik di masa depan.
COLORING THE GLOBAL FUTURE 13/55 http://www.gunadarma.ac.id
Pengelolaan Keuangan Rumah Sakit
●
Menyajikan data-
data deskripsi dari ●
Melakukan
data yang ada di perbandingan, koralasi
sistem dari beberapa data
●
Data yang deskriptif
ditampilkan pada ●
Tujuan untuk melihat
bulan berjalan masalah pada saat
●
Fokus utama adalah revenue di bawah nilai
data deskripsi yang limit, atau parameter lain
terkait pada
Revenue Cycle
●
Diperlukan: nilai-nilai
Management limit yang perlu
diperhatikan
●
Dari data-data yang
ada, maka dapat
dilakukan prediksi,
●
Dengan
aging. melakukan
●
Dilakukan training perubahan
terlebih dahulu utk parameter maka
mendapatkan dilakukan
model untuk prediksi ke 30
prediksi aging dari
jenis-jenis penjamin hari ke depan
●
Dari model ini dapat ●
Parameter yang
diprediksi aliran dapat diubah
cash-in pada setiap
tanggal, 30 hari – Perbandingan jenis
pada bulan penjamin
mendatang (perlu – Jadwal pembayaran
konfirmasi) hutang
STOP
Ratifikasi STOP
User Interface Dashboard - Visualisasi
Reporting Engine
Database Project
Workflow
Management
System
System
Analytic Dashboard + Performance Monitoring
HAKIM
Search Penelaahan berbasis AI
Hasil Catatan
Forensik BAP
Persidangan
Joseph Weizenbaum
COLORING THE GLOBAL FUTURE 19/55 http://www.gunadarma.ac.id
Pendukung Kebijakan Kesehatan
●
Menyimpan data family folder tiap orang
●
Terhadap 12 indikator kesehatan
●
Indikator dihitung dari keluarga hingga
nasional
●
Saat ini telah tersimpan sekitar 200 juta orang,
dan diperbaharui per 3-6 bulan
\
PISPK - Kemenkes
●
Kecerdasan Artifisial
(Artificial Intelligence)
mulai digunakan
untuk memperkaya
sistem Human Capital
Management (HCM)
●
Proses selesi dan
suksesi didukung
oleh pemilihan
berdasarkan data
DATA
ASESMEN SIASN-MySAPK
DATA KOMPETENSI
PEGAWAI
DATA U/
MATRIKS
TALENTA
Eksplorasi
●
SIAPA yang memposting content
tersebut .Apakah posting tersebut terkait
langsung dengan person sesungguhnya
'
●
KAPAN posting itu dilakukan dan apakah
terkait dengan issue
●
DIMANA dilakukan posting
●
KAPAN dilakukan posting, kunjungan ke situs Community Detection
media sosial bisa sebagai histori aktivitas
●
Halaman-halaman yang dikunjungi bisa
menjadi informasi
●
Teknik-teknik
– Complete Time Line
– Location Visualization
– Event tracking
– Timeline matching
– Differential Snapshot
Diimplementasikan
Jadi program
Diimplementasikan
Dan dideploy pada sistem
Jadi program Untuk
Untuk membuat model
memanfaatkan
modelc
Knowledge Discovery
IBM Data Science
Data Mining
Arsip
BASE
ACID
Sistem Elektronik
Aplikasi Aplikasi
Catatan Log
Log Bukti
Dukungan Live Forensic Dukungan Live Forensic
Elektronik CIA
Dukungan Live Migration Dukungan Live Migration
●
Apakah selalu tersedia
Apakah sistem online yang kritis, harus dimatikan agar dapat
melakukan forensik
●
Apakah bisa diedit oleh pengelola sistem
●
Apakah ditanda-tangan digital?
Semua log dapat tersimpan dengan baik dan tidak menjadi
hilang karena harus dimatikan terlebih dahulu
Data
Science
Data Data AI
Base Engineering and
Machine Learning
Data
Analyst
●
Data sangat penting, banyak organsisasi mengabaikan di dalam pengelolaan data
●
Kecerdasan Artifisial (Artificial Intelligence) banyak digunakan sistem pengambil
keputusan
●
Ddata set ini akan digunakan untuk melakukan training penyusunan model
●
Suatu solusi AI hanya dapat dibuat berbasiskan data yang baik, Agar dapat
mengembangkan sistem pengambil keputusan yang baik dengan memanfaatkan
kecerdasan artifisial, maka kualitas data harus dikelola dengan baik terlebih
dahulu
COLORING THE GLOBAL FUTURE 34/55 http://www.gunadarma.ac.id
Data Engineering pada AI
●
Di dalam penerapan AI, penerapan teknologi pengolah data, dan manajemen data sangat penting.
●
Data adalah “modal” utama yang harus dikelola. Bukan hanya sebagai data yang diproses, tetapi sebagai model.
●
Model ini juga diupdate sehingga penanganan version perlu dilakukan
●
Datascience hanya dapat dilakukan bila tersedia data yang baik
●
Dibutuhkan pengetahuan menyimpan dan mengelola data dengan baik ini dilakukan oleh Data Engineer (lebih
dari Database Admininstrasi
●
Pengetahuan ini akan melibatkan integrasi data, pengetahuan metadata, jenis database dan strategi storage
●
Otonomi
– Setiap lembaga dapat menggunakan sistemnya sendiri, database sendiri, sistem
operasi dan aplikasi sendiri
– Setiap lembaga secara otonomi menentukan data yang akan disharing (data
publik yang dimiliki dan lembaga tersebut sebagai walidatanya)
– Setiap lembaga secara otonomi dapat menentukan data yang akan disalinnya
dari lembaga lain
; ●
Interoperable
– Walaupun sistem berbeda tetapi tetap dapat melakukan pertukaran data
dengan mekanisme layanan (service)
– Pertukaran menggunakan “semantik” yang disepakati bukan menggunakan
produk yang sama
Data
Aplikasi
Library
Framework
Software
Manajemen
Infastruktur
Server+Network
Storage
Platform KNIME
Rapidminer ● ●
Konstanz
untuk data Information
science Miner, bersifat
open source
●
Lingkungan
untuk platfrom
terintegrasi analsiis data,
untuk data reporting
preparation,
machine
●
Mengintegrasikn
learning, deep komponen untuk
learning, text machine learning,
data mining
mining, dan
degnan konsep
analisis pipelining
prediktif
●
Dimulai dengan library minimal tetapi dapat ditambah ●
R adalah program pengolah statistik bersifat
beragam libary
open source diturunkan dari “S” proprietary
●
Tersedia beragam library untuk AI dan Data Science →
Jupyternotebook ●
Menyediakan beragam paket (CRAN) yang
●
Dapat menggunakan Anaconda (tersedia Windows, Linux, siap digunakna untuk pengolahan statistik
Mac)
Superkomputer di kampus-kampus
Dirjen DIKTIRISTEK 2018 2020 2021
25 PetaFLOPS (5 DGX A100) Dana Dana
Univ. Gunadarma Univ. Gunadarma
Universitas Gunadarma
11 PetaFLOPS (2 DGX A100 + 1 DGX-1)
Universitas Jember
2.5 PetaFLOPS (1 DGX Station A100)
02 Data Scientist
Mengembangkan model terbaik dari data untuk menjawab permasalahan bisnis
Data Engineer
03 Menyiapkan (big) data untuk diolah/ dimodelkan
Data Analyst
04 Menganalisis/ mencari insight dari data (dan menampilkannya dalam dashboard)
Domain Expert
06 Memberi arahan tentang domain permasalahan
07 IT People
Menyiapkan infrastruktur IT (terutama deployment)
Pelatihan
Data Engineer
EITC/AI/AIF Artificial intelligence
Assoc Data Scientist, fundamentals [v1r2]
Data Scientist,
Data Annotator Assoc AI/ML Engineer AI/ML Engineer
Introduction to
AI Readiness Data Engineering, AI Advanced AI
AI
KKNI
SKKNI
Peta Okupasi
Pemerintah
Industri UU No 5. ttg ASN 2014
PM MenPAN RB No 38/2017
Jerman Indonesia
●
Beberapa pelatihan dan sertifikasi
sangat berfokus pada product
knowledge yang TIDAK bersifat generic
●
Ada juga sertifikasi dari vendor yang
menggunakan materi tidak terkait pada
produk yang dimilikinya.
●
Pada beberapa negara, sertifikasi
kompetensi sebagai suatu kejelasan
profesi untuk BOLEH melakukan
pekerjaan tertentu.
90-an
LSP
P1
LSP di
Lembaga
Pendidikan dan
Skema Pelatihan
Okupasi
Nasional
LSP Umum
SKKNI
Badan Nasional LSP
Sertifikasi Profesi
BNSP
P3
LSP
P2
Pelatihan
Berbasis
Kompetensi
PBK Lembaga Sertifikasi Profesi (LSP)
●
Inisiatif dari Direktur Jenderal
Pendidikan Tinggi. Prof Ir. Nizam,
MSc, PhD
●
Diluncurkan pada 14 Oktober 2020
AI Hackathon dengan 6 anggota, sekarang 7
anggota
●
Konsorsium ini mengkoordinir
penelitian AI di Perguruan Tinggi di
Indonesia
●
Konsorsium ini juga mendukung
AI Startup
DIKTI AI CENTER (Super Computer
Competition Center, dikelola oleh DIKTI dengan 5
DGX A100).
COLORING THE GLOBAL FUTURE 52/55 http://www.gunadarma.ac.id
AI Center of Excellence
VENDOR
HW/SW
●
Membutuhkan solusi ●
Membutuhkan solusi
●
Mengoperasikan
sistem AI Center ●
Mengoperasikan
PEMERINTAH INDUSTRI sistem
●
Membangun solusi di Of ●
Membutuhkan solusi
pemerintah
Excellence dengan platform DGX
●
Konsultan ●
Developer
●
Trainer DOSEN MAHASISWA
●
System Support
●
Peneliti
https://ai-coe.gunadarma.ac.id/
●
AI diajarkan ke mahasiswa SEMUA jurusan, baik bidang
Rekayasa dan Teknologi juga bidang Humaniora sebagai
mata kuliah unggulan
●
Semua mahasiswa mengakses komputasi dengan perangkat
Super komputer NVIDIA DGX A100
●
Materi praktek, juga diintegrasikan dengan V-Class (LMS
pada Univ Gunadarma) dan via UG TV (TV Digital)
●
Untuk embedded disediakan juga Jetson Nano dan INTEL EdgeAI
Colab Lab Super Computer
OpenVINO OpenVINO
Cluster DGX-1, DGX A100
COLORING THE GLOBAL FUTURE 53/55 http://www.gunadarma.ac.id
Alur pelatihan
Pelatihan
Docker
Untuk DGX
Perangkat
Keras
DGX
Smart Cyber-Physics
Big Butler
TERIMA KASIH
COLORING THE GLOBAL FUTURE 55/55 http://www.gunadarma.ac.id